Operator d’OpenAI, l’agent qui peut agir dans un navigateur web

Demander à une intelligence artificielle de trouver un produit n’est plus seulement une question de réponse rédigée. Avec Operator, OpenAI propose un outil qui peut ouvrir un navigateur, lire ce qui s’affiche à l’écran et effectuer lui-même une succession de clics. L’ambition est claire : déléguer certaines démarches numériques répétitives, sans que chaque site doive avoir prévu une intégration technique particulière.

Annoncé le 23 janvier 2025, Operator est présenté comme un aperçu de recherche. Il ne s’agit donc pas encore d’un service stabilisé et disponible pour tous, mais d’un premier déploiement destiné à observer les usages et à recueillir des retours. À ce stade, il est proposé aux États-Unis aux abonnés de l’offre ChatGPT Pro, à 200 $ par mois.

Ce qu’Operator peut faire dans un navigateur

Operator appartient à la catégorie émergente des agents IA. Là où un assistant conversationnel répond principalement à une question ou produit un texte, un agent reçoit un objectif puis tente d’enchaîner les actions nécessaires pour l’atteindre. Ici, l’environnement d’action est un navigateur web intégré à l’interface.

OpenAI explique que l’outil peut naviguer sur des sites, remplir des champs, faire défiler une page, cliquer sur des boutons et saisir du texte. Ces gestes apparemment simples sont ceux qui composent une grande partie des tâches effectuées chaque jour sur Internet.

Parmi les exemples d’usage mis en avant figurent :

• rechercher des produits et préparer un achat en ligne ;
• remplir des formulaires administratifs ou de contact ;
• organiser certaines réservations ;
• commander des articles courants ;
• créer des contenus simples, y compris des mèmes.

La différence essentielle est qu’Operator ne se contente pas de conseiller une marche à suivre. Il peut tenter de l’exécuter dans le navigateur visible par l’utilisateur. Ce dernier peut suivre la progression de la tâche et reprendre la main lorsque cela est nécessaire.

Comment fonctionne le modèle CUA d’OpenAI ?

Le cœur technique d’Operator est baptisé Computer-Using Agent, ou CUA, que l’on peut traduire par agent capable d’utiliser un ordinateur. OpenAI indique que ce modèle combine les capacités de compréhension visuelle de GPT-4o avec un raisonnement adapté à l’exécution d’actions.

Concrètement, l’agent s’appuie sur ce qui est affiché dans le navigateur. Il peut interpréter la disposition d’une page, repérer un champ de recherche, un menu ou un bouton, puis utiliser un curseur virtuel et un clavier virtuel pour agir. C’est une approche différente d’une connexion classique à un service par API.

Une API est une interface technique qui permet à deux logiciels d’échanger des données selon des règles précises. Elle est souvent plus fiable et plus rapide pour une tâche bien définie, mais elle suppose que le site ou le service concerné ait prévu cette connexion. Un agent navigateur cherche au contraire à utiliser l’interface destinée aux humains. Il peut donc, en théorie, agir sur un plus grand nombre de sites, y compris lorsqu’aucune API spécifique n’est disponible.

Cette souplesse a un revers. Les pages web sont très variables, changent fréquemment et peuvent contenir des éléments ambigus. Un bouton mal identifié, une fenêtre surgissante ou une instruction trompeuse peuvent faire dérailler une tâche. C’est pourquoi la démonstration d’une capacité à naviguer ne doit pas être confondue avec une garantie de réussite sur toutes les démarches en ligne.

Un assistant conversationnel et un agent web ne remplissent pas le même rôle

L’arrivée d’Operator illustre une évolution importante des assistants : passer de la réponse à l’action. ChatGPT peut déjà expliquer comment réserver une table ou comparer des offres. Operator vise à effectuer une partie de ces étapes dans un navigateur, à partir d’une consigne formulée en langage courant.

Une interface proche de ChatGPT, avec un navigateur visible

L’utilisation d’Operator commence par une demande écrite, comme dans ChatGPT. L’utilisateur formule son objectif, puis le navigateur s’ouvre dans l’interface, sur la droite de l’écran. Cette présentation a une fonction pratique : elle permet de voir les actions réalisées par l’agent au lieu de les laisser se dérouler dans une boîte noire.

Cette visibilité est particulièrement importante lorsqu’un agent passe d’une page à l’autre. L’utilisateur peut observer les résultats de recherche sélectionnés, les informations saisies dans un formulaire ou les options retenues pour une réservation. Il peut aussi interrompre l’agent et reprendre directement le contrôle du navigateur.

OpenAI a par ailleurs indiqué travailler avec plusieurs entreprises, dont DoorDash, Instacart, OpenTable, Priceline, StubHub, Thumbtack et Uber, afin d’explorer des usages concrets de ce type d’agent. Ces collaborations montrent que le terrain prioritaire est celui des démarches courantes : acheter, réserver, planifier ou rechercher un service.

L’outil n’est pas destiné à contourner les protections des sites. Lorsqu’une tâche exige un identifiant, un mot de passe, un code de validation ou un CAPTCHA, Operator doit demander à l’utilisateur de prendre la main. Cette étape limite l’automatisation, mais elle évite que l’agent ne manipule seul des informations d’authentification ou des données particulièrement sensibles.

Qui peut utiliser Operator au lancement ?

Au moment de sa présentation, Operator est disponible uniquement sous la forme d’un aperçu de recherche pour les utilisateurs de ChatGPT Pro résidant aux États-Unis. L’abonnement Pro coûte 200 $ par mois. OpenAI prévoit alors d’étendre l’accès ultérieurement aux formules ChatGPT Plus, Team et Enterprise.

Cette disponibilité limitée répond à deux logiques. D’une part, OpenAI réserve d’abord l’outil à une population restreinte, ce qui facilite l’observation des défaillances et des comportements inattendus. D’autre part, les agents qui agissent sur le web posent des problèmes de sécurité plus complexes que les assistants qui se contentent de générer du texte.

Le statut d’aperçu de recherche mérite d’être pris au sérieux. Il signifie que le produit reste en développement, que son comportement peut évoluer et que les retours des utilisateurs doivent contribuer à ses améliorations. Les personnes qui l’utilisent ne doivent donc pas le considérer comme un service infaillible pour des opérations importantes.

Sécurité : pourquoi OpenAI impose des garde-fous

Donner à une IA la capacité de cliquer sur des boutons et de remplir des formulaires crée un risque nouveau : une erreur de compréhension ne reste plus seulement une mauvaise réponse, elle peut se traduire par une action concrète. Un agent peut également être exposé à des instructions malveillantes présentes sur une page web, un risque souvent appelé injection de prompt.

Dans ce scénario, un site ou un contenu affiché pourrait tenter d’influencer l’agent avec des consignes qui ne correspondent pas à la demande initiale de l’utilisateur. Par exemple, une page pourrait essayer de détourner l’agent vers une action non souhaitée ou de lui faire ignorer ses règles de prudence. Pour limiter ces risques, OpenAI indique avoir mis en place des protections contre les sites malveillants et des contrôles renforcés sur les actions sensibles.

Les garde-fous annoncés comprennent notamment :

• la demande de reprise en main lors de la saisie d’identifiants, de données de paiement ou de CAPTCHA ;
• des confirmations ou contrôles humains pour les actions susceptibles d’avoir des conséquences importantes ;
• des restrictions concernant certaines opérations financières sensibles ;
• l’interdiction pour l’agent de prendre des décisions dans des domaines à fort impact.

Ces précautions ne rendent pas l’outil sans risque. Elles rappellent au contraire qu’un agent web doit être utilisé avec plus de vigilance qu’un simple moteur de recherche. Il est prudent de ne lui confier que des tâches réversibles ou faciles à contrôler, puis de vérifier chaque étape avant une validation finale.

Des limites techniques et des questions de responsabilité

Operator ne remplace pas un humain dans la compréhension de situations complexes. Une page peut être mal conçue, un formulaire peut présenter plusieurs interprétations possibles, et un site peut changer son interface sans prévenir. L’agent risque alors de s’arrêter, de demander une clarification ou de faire un choix qui ne correspond pas exactement à l’intention initiale.

Il faut aussi distinguer l’autonomie opérationnelle de l’autonomie de décision. Qu’un outil soit capable de passer d’une page à l’autre ne signifie pas qu’il est légitime à arbitrer des dépenses, à accepter des conditions contractuelles ou à choisir entre des options ayant des effets importants sur une personne. La responsabilité de ces décisions demeure celle de l’utilisateur.

Pour un usage raisonnable, quelques réflexes s’imposent :

• formuler une consigne précise, avec un budget, des contraintes ou des préférences explicites ;
• surveiller l’écran et ne pas laisser l’agent effectuer une démarche importante sans vérification ;
• ne saisir ses mots de passe et données bancaires que lors de la reprise en main demandée ;
• contrôler le récapitulatif d’une commande, d’une réservation ou d’un formulaire avant confirmation ;
• éviter de déléguer des démarches dont une erreur serait difficile à annuler.

Ce qu’il faut surveiller dans la course aux agents IA

Operator arrive alors que plusieurs entreprises cherchent à transformer les assistants conversationnels en agents capables d’agir. Perplexity a également introduit des agents, signe que la concurrence ne porte plus seulement sur la qualité des réponses, mais sur la capacité à accomplir des tâches complètes.

Pour OpenAI, Operator s’inscrit dans une ambition plus large autour d’assistants toujours plus capables. Sam Altman a présenté 2025 comme une année importante dans la trajectoire de l’entreprise vers des systèmes aux capacités plus générales. Mais le lancement d’Operator montre surtout le chemin restant à parcourir : agir dans le monde numérique exige non seulement de comprendre une instruction, mais aussi d’évaluer le contexte, de résister aux manipulations et de savoir s’arrêter.

Les prochains points à observer seront l’extension géographique du service, son ouverture aux autres abonnements ChatGPT, sa fiabilité sur des sites variés et la manière dont ses protections résisteront aux contenus malveillants. Si ces agents deviennent courants, la question centrale ne sera pas seulement ce qu’ils savent faire, mais dans quelles limites les utilisateurs accepteront de leur déléguer des actions.